-
公开(公告)号：CN115049626B
公开(公告)日：2025-05-02
申请号：CN202210734691.2
申请日：2022-06-27
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种图谱辅助绘制方法、计算机可读存储介质及电子设备，通过步骤S1，脑片轴向对应关系构建；步骤S2，旧版图谱数据规范化；步骤S3，区域特征提取；步骤S4，非线性配准；步骤S5，旧版图谱信息整合，实现将旧版图谱上的脑区位置和边界信息，准确地匹配到待绘制新图谱的图像上。
-
公开(公告)号：CN115035089B
公开(公告)日：2025-04-04
申请号：CN202210751358.2
申请日：2022-06-28
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/00 , G06T7/11 , G06T7/62 , G06T3/4007 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种适用于二维脑图像数据的脑解剖结构定位方法，通过检索的方式获取二维脑图像模板，利用分割的方法得到特征区域，并使用配准方法将待定位的二维脑图像与二维脑图像模板进行匹配，从而得到脑解剖结构的位置信息。整个定位过程不需要人工参与，可以实现快速的脑解剖结构定位，定位目标为二维脑图像上的所有脑解剖结构，相比现有方法提高了定位的精度。
-
Patent Agency Ranking
公开(公告)号：CN116958422A
公开(公告)日：2023-10-27
申请号：CN202310847152.4
申请日：2023-07-11
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T17/00 , G06T7/00 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/10 , G06V10/82 , G06V10/80 , G06T7/13 , G06T7/136 , G06T7/194 , G06T7/187 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种针对小鼠脑三维图像数据的Aβ斑块数字化重建方法，包括：步骤一，对待测图像进行预处理，所述待测图像为脑三维图像数据，预处理后的待测图像的属性与后续即将使用的目标检测网络相匹配；步骤二，将预处理后的待测图像输入到所述目标检测网络，形成最后的识别结果，输出斑块目标识别框；步骤三，针对识别出的斑块目标识别框，对框内信号使用三维最大熵阈值分割、连通域分析、轮廓提取及边缘模糊器一系列图像处理操作组合，进行斑块前景信号的提取。本发明实现了斑块前景信号的精准提取，弥补当前方法中斑块边缘弥散范围确定工作的空缺，实现高效的斑块数字化重建效果。
-
公开(公告)号：CN115049626A
公开(公告)日：2022-09-13
申请号：CN202210734691.2
申请日：2022-06-27
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明提供一种图谱辅助绘制方法、计算机可读存储介质及电子设备，通过步骤S1，脑片轴向对应关系构建；步骤S2，旧版图谱数据规范化；步骤S3，区域特征提取；步骤S4，非线性配准；步骤S5，旧版图谱信息整合，实现将旧版图谱上的脑区位置和边界信息，准确地匹配到待绘制新图谱的图像上。
-
公开(公告)号：CN115035089A
公开(公告)日：2022-09-09
申请号：CN202210751358.2
申请日：2022-06-28
Applicant: 华中科技大学苏州脑空间信息研究院
Abstract: 本发明公开了一种适用于二维脑图像数据的脑解剖结构定位方法，通过检索的方式获取二维脑图像模板，利用分割的方法得到特征区域，并使用配准方法将待定位的二维脑图像与二维脑图像模板进行匹配，从而得到脑解剖结构的位置信息。整个定位过程不需要人工参与，可以实现快速的脑解剖结构定位，定位目标为二维脑图像上的所有脑解剖结构，相比现有方法提高了定位的精度。
-
公开(公告)号：CN110660068A
公开(公告)日：2020-01-07
申请号：CN201910853268.2
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/12
Abstract: 本发明提供一种三维细胞构筑图像的半自动脑区分割方法，包括：步骤S1，知识引入；步骤S2，知识数字化；步骤S3，知识封装；步骤S4，脑区自动识别；步骤S5，脑区边界优化。本发明通过深度学习方法可以更好地提炼出更高维、更抽象的特征，因此能够识别离散胞体所组成的脑区的整体边界；此外，通过交互式分割，本发明成功地将神经解剖学的先验知识引入到了深度学习技术所构建的预测网络中，通过将专家掌握的神经解剖学先验知识数字化，使得专家大脑中只可意会难以言传的经验得以变为工具而被重复使用，大大降低了脑区自动识别的门槛，从而让普通的神经科学研究者得以摆脱对神经解剖学这一狭窄领域知识的高度依赖，极大地提升了脑区识别的效率。
-
公开(公告)号：CN110660068B
公开(公告)日：2022-06-03
申请号：CN201910853268.2
申请日：2019-09-10
Applicant: 华中科技大学苏州脑空间信息研究院
IPC: G06T7/12
Abstract: 本发明提供一种三维细胞构筑图像的半自动脑区分割方法，包括：步骤S1，知识引入；步骤S2，知识数字化；步骤S3，知识封装；步骤S4，脑区自动识别；步骤S5，脑区边界优化。本发明通过深度学习方法可以更好地提炼出更高维、更抽象的特征，因此能够识别离散胞体所组成的脑区的整体边界；此外，通过交互式分割，本发明成功地将神经解剖学的先验知识引入到了深度学习技术所构建的预测网络中，通过将专家掌握的神经解剖学先验知识数字化，使得专家大脑中只可意会难以言传的经验得以变为工具而被重复使用，大大降低了脑区自动识别的门槛，从而让普通的神经科学研究者得以摆脱对神经解剖学这一狭窄领域知识的高度依赖，极大地提升了脑区识别的效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.049 seconds)
